[論文レビュー] Evaluating the principle of relatedness: Estimation, drivers and implications for policy

Yang Li, Frank Neffke|arXiv (Cornell University)|May 5, 2022

Regional Economics and Spatial Analysis被引用数 4

ひとこと要約

本稿は、米国都市の都市経済開発における関連性の原則を評価し、1万件を超えるモデル仕様をテストすることで、共起データを用いて産業間関連性の強固な測定法を同定する。関連性の測定として産業密度（マルシャリアン外部効果）に基づくものが、多様性に基づく測定（ジャクソン型）を上回り、成長予測よりも停滞を予測するのに優れているが、主に発展の障害要因を特定するための診断ツールとしての価値が最も高いことが判明した。

ABSTRACT

A growing body of research documents that the size and growth of an industry in a place depends on how much related activity is found there. This fact is commonly referred to as the "principle of relatedness". However, there is no consensus on why we observe the principle of relatedness, how best to determine which industries are related or how this empirical regularity can help inform local industrial policy. We perform a structured search over tens of thousands of specifications to identify robust -- in terms of out-of-sample predictions -- ways to determine how well industries fit the local economies of US cities. To do so, we use data that allow us to derive relatedness from observing which industries co-occur in the portfolios of establishments, firms, cities and countries. Different portfolios yield different relatedness matrices, each of which help predict the size and growth of local industries. However, our specification search not only identifies ways to improve the performance of such predictions, but also reveals new facts about the principle of relatedness and important trade-offs between predictive performance and interpretability of relatedness patterns. We use these insights to deepen our theoretical understanding of what underlies path-dependent development in cities and expand existing policy frameworks that rely on inter-industry relatedness analysis.

研究の動機と目的

• 都市経済開発研究における産業間関連性の測定に関する方法論的曖昧性を解消すること。
• 多様なデータソースおよびモデル設定において、関連性の原則の強固な予測スペックを特定すること。
• 関連性が共有能力を反映しているのか、それとも他の場所的要因（特に非取引可能または資源ベースのセクターにおいて）を反映しているのかを評価すること。
• 関連性の原則を成長予測ツールから、発展の障害要因を特定する診断ツールへと再定式化すること。
• 不確実性と解釈可能性のトレードオフを関連性に基づく産業政策提言に統合することで、政策枠組みを改善すること。

提案手法

• 米国都市における産業規模および成長に対する関連性効果を推定するため、数万件にのぼるモデル設定を体系的かつ大規模に探索する。
• 企業・事業所・都市・国レベルの共起データを用い、ポートフォリオ類似性に基づいて複数の関連性行列を導出する。
• モデルの強固さを評価し、最適な関連性測定法を選定する主な基準として、アウトオブサンプル予測性能を用いる。
• 異なる関連性スペックが産業成長および存在に与える予測力の評価のために、OLS回帰モデルを適用する。
• 産業および都市の規模データを残差化して、関連性の影響を規模効果から分離し、相対的パフォーマンスに焦点を当てる。
• 都市レベルや国レベルの異なるポートフォリオタイプに基づいて導出された関連性測定法を比較し、その予測的・解釈的価値を評価する。

実験結果

リサーチクエスチョン

• RQ1 どの産業間関連性のスペックが、米国都市における産業成長および存在の予測において最も強固なアウトオブサンプル性能を示すか？
• RQ2 産業密度（マルシャリアン外部効果）と関連多様性（ジャクソン型外部効果）のどちらが、関連性の原則の予測力により寄与しているか？
• RQ3 能力が立地意思決定の主な駆動要因でない分野（例：公共サービス、資源ベース産業）において、なぜ関連性の原則が成立するのか？
• RQ4 関連性は実際に成長を予測するのではなく、成長が見込めない産業を特定するのにもっと効果的なのか？
• RQ5 関連性の原則を成長予測ツールから、地域経済における発展の障害要因を特定する診断ツールへと再定式化するにはどうすればよいか？

主な発見

• 関連産業の「量」（つまり産業密度）に基づく関連性測定法が、関連産業の「多様性」に基づく測定法よりも、産業規模および成長の予測において顕著に優れている。
• 関連性の原則は、成長が最も期待できる産業を特定するのではなく、成長が最も見込まれない産業を特定するのに対してより優れているため、成長予測ツールとしての効果よりも診断ツールとしての効果が顕著である。
• 関連性の原則は、能力が主な立地要因でない分野（例：公共サービス、資源ベース産業、非取引可能サービス）においても成立し続け、主流の能力ベース説明を疑問視する。
• 関連多様化が新規能力取得を最小限に抑えるという主な説明は、能力が主な駆動要因でないセクターでは完全には説明がつかないため、共通インfraや制度的要因といった代替メカニズムが関与している可能性がある。
• 本研究は、予測性能と解釈可能性の間の重要なトレードオフを明らかにした。非常に高い予測性能を示す関連性測定法は、しばしば解釈が困難であるため、政策的応用には注意が必要である。
• 関連性の原則は、成長機会を特定するのではなく、都市の産業ポートフォリオにおける異常（欠落能力や構造的制約による発展の障害要因）を検出する点で、最も価値がある。